跳转到内容

Wan-2.2 Speech-to-Video 14B

集成

模型 id wan/v2.2-14b/speech-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

与示例类似的文件: $0.50 500 API 积分 · ≈ ₽53.66 运行前会测量你的文件 在此页面运行

获取 API 密钥
Alibaba 唇形同步与数字人 唇形同步最高 720p #audio-to-video#talking-head

根据文本提示词,使用静态图像和音频文件生成说话视频

在 Doitong 上制作

Doitong 社区使用 Wan v22 Large 制作的公开作品。一键复用提示词。

显示的公开作品:3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... 视频

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-анимация, весёлый водитель в кепке, крупные машины, пастельные цвета. 0:00–0:10 приветствие под музыку; 0:10–0:30 песенка: "Машина едет би-би, би-би", "Поезд едет ту-ту, ту-ту". Бодрая детская музыка...

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... 视频

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-анимация, тот же весёлый водитель в кепке, самолёт. 0:00–0:15 песенка: "Самолёт летит вж-ж-ж, вж-ж-ж"; 0:15–0:25 интерактивная пауза: водитель спрашивает "Как гудит машина?", пауза; 0:25–0:30 финальный...

# PROMPT: Animated Mother’s Day greeting card **Format:** vertical video 9:16 **Duration:** 12–15... 视频

# PROMPT: Animated Mother’s Day greeting card **Format:** vertical video 9:16 **Duration:** 12–15 seconds **Style:** high‑quality Pixar‑inspired 3D animation, cinematic, warm, emotional, charming animated movie aesthetic. ### The main character is a child Use the attached image as the only and...

构建请求

控件根据模型架构生成。更改控件时,代码和价格会同步更新。

•必填

用于生成视频的文本提示词。

•必填 image_url
拖放文件,或

源图像 URL;所选宽高比决定是否需要预处理:不匹配时会先调整大小,再进行中心裁剪。

•必填 audio_url
拖放文件,或

指向音频文件的 URL。

resolution 默认 480p

输出视频分辨率:480p、580p 或 720p。

默认 80

选择 40–120 范围内的 4 的倍数,以设置生成的帧数。

高级 negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
默认

生成视频时应用的负面提示词。

video_quality 默认 high

输出视频质量设置;值越高,文件越大,画面效果越好。

video_write_mode 默认 balanced

视频写入模式。balanced 在速度和质量之间提供折中。选择 small 可获得最小文件和最慢写入速度;更快的写入会更早返回结果,但生成的文件更大。

默认 16

生成视频的帧率,接受 4 到 60 的值;将 `adjust_fps_for_interpolation` 设置为 false 可保持该帧率不变。使用插帧且 `adjust_fps_for_interpolation` 为 true(其默认值)时,将此帧率乘以插入帧数加一,即可得到最终 FPS。例如,16 FPS 插入 1 帧后变为 32 FPS。

默认 27

采样步数;步数越多,处理时间越长,质量越高。

默认 3.5

无分类器引导强度;比例越高,越倾向于匹配提示词,但可能损失质量。

默认 5

视频位移设置,允许范围为 1.0–10.0。

使生成结果可复现的种子。设置为 None 时会随机选择种子。

POST /run/wan/v2.2-14b/speech-to-video?wait=20 报价 → $0.50
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

运行此请求

你的密钥会保留在此浏览器中:仅发送到 Doitong API;只有勾选“记住”后才会保存到 localStorage。 获取 API 密钥

关于 Wan-2.2 Speech-to-Video 14B

需要 `prompt`、源 `image_url` 和 `audio_url`,生成图中主体受音频驱动的视频。`num_frames` 范围为 40 到 120,必须是 4 的倍数,默认 16 fps。`resolution` 可为 480p、580p 或 720p。采样步数、引导强度、插帧和 `negative_prompt` 均可调整。

参数

发送规范名称或原生名称之一,不要同时发送两者。 规范名称

名称类型 默认值允许值 描述
prompt必填
类型string
用于生成视频的文本提示词。
negative_prompt可选
类型string
默认值
生成视频时应用的负面提示词。
num_frames可选
类型integer
默认值80
40 – 120
选择 40–120 范围内的 4 的倍数,以设置生成的帧数。
frames_per_second可选
类型integer | null
默认值16
4 – 60
生成视频的帧率,接受 4 到 60 的值;将 `adjust_fps_for_interpolation` 设置为 false 可保持该帧率不变。使用插帧且 `adjust_fps_for_interpolation` 为 true(其默认值)时,将此帧率乘以插入帧数加一,即可得到最终 FPS。例如,16 FPS 插入 1 帧后变为 32 FPS。
seed可选
类型integer | null
使生成结果可复现的种子。设置为 None 时会随机选择种子。
resolution可选
类型enum
默认值480p
480p580p720p
输出视频分辨率:480p、580p 或 720p。
num_inference_steps可选
类型integer
默认值27
2 – 40
采样步数;步数越多,处理时间越长,质量越高。
enable_safety_checker可选
类型boolean
默认值false
处理前的输入安全筛查,仅授权账户可以关闭。缺少授权的请求始终会被筛查;否则,true 会启用筛查。
enable_output_safety_checker可选
类型boolean
默认值false
控制对生成视频的安全筛查;设置为 true 会在生成后执行检查。
guidance_scale可选
类型number
默认值3.5
1 – 10
无分类器引导强度;比例越高,越倾向于匹配提示词,但可能损失质量。
shift可选
类型number
默认值5
1 – 10
视频位移设置,允许范围为 1.0–10.0。
video_quality可选
类型enum
默认值high
lowmediumhighmaximum
输出视频质量设置;值越高,文件越大,画面效果越好。
video_write_mode可选
类型enum
默认值balanced
fastbalancedsmall
视频写入模式。balanced 在速度和质量之间提供折中。选择 small 可获得最小文件和最慢写入速度;更快的写入会更早返回结果,但生成的文件更大。
image_url必填 image
类型url · image
源图像 URL;所选宽高比决定是否需要预处理:不匹配时会先调整大小,再进行中心裁剪。
audio_url必填 audio
类型url · audio
指向音频文件的 URL。
必填 规范名称,也可接受

文件参数接受公开的 https:// URL、最大 10 MB 的 data: URI,或上传文件的 file_url。 文件

输出

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "wan/v2.2-14b/speech-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 500,
    "usd": "0.50",
    "charged": 500,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
你的文件,由你选择每个 outputs[].url 都是存储中的副本:可永久保存(按 GB-月付费),也可免费保存 7 天,由账户设置或 ?storage= 决定。
每个模型的结构相同图像、视频和音频均包含 type、url、content_type、width、height 和 duration。output 是模型自身的结果对象。
输出字段
video
object {url, content_type, file_name, file_size}生成得到的视频文件。

更多模型:唇形同步与数字人

对于 AI 代理:此页面的 Markdown 版本位于 https://doitong.com/zh/developers/models/wan/v2.2-14b/speech-to-video.md. 所有模型和指南: https://doitong.com/developers/llms.txt